机械工程学报
機械工程學報
궤계공정학보
CHINESE JOURNAL OF MECHANICAL ENGINEERING
2008年
7期
112-117
,共6页
改进的距离评估技术%特征选择%混合智能模型%故障诊断
改進的距離評估技術%特徵選擇%混閤智能模型%故障診斷
개진적거리평고기술%특정선택%혼합지능모형%고장진단
为了解决机械设备中早期故障和复合故障识别的难题,提高故障诊断的准确率,利用经验模式分解(Empirical mode decomposition,EMD)、改进的距离评估技术、自适应神经模糊推理系统(Adaptive neuro-fuzzy inference system, ANFIS)和遗传算法(Genetic algorithm, GA)等技术,提出一种综合运用多征兆域特征集和多个分类器的混合智能诊断模型.该模型在特征提取之前,利用滤波、EMD、解调等预处理技术挖掘潜藏在动态信号中的故障信息;从原始振动信号和预处理信号中,分别提取从不同侧面表征设备运行状态的时域和频域统计特征,得到6个特征集.采用提出的一种改进的距离评估技术选择特征,从6个原始特征集中相应地筛选出6个敏感特征集.将6个敏感特征集输入到基于GA组合的多个ANFIS分类器以得到最终的诊断结果.该模型在电力机车轮对轴承的故障诊断中实现了轴承不同故障类型、不同故障程度,以及复合故障的可靠识别,获得了满意的诊断结果.应用结果也验证了基于改进的距离评估技术的特征选择方法的有效性.
為瞭解決機械設備中早期故障和複閤故障識彆的難題,提高故障診斷的準確率,利用經驗模式分解(Empirical mode decomposition,EMD)、改進的距離評估技術、自適應神經模糊推理繫統(Adaptive neuro-fuzzy inference system, ANFIS)和遺傳算法(Genetic algorithm, GA)等技術,提齣一種綜閤運用多徵兆域特徵集和多箇分類器的混閤智能診斷模型.該模型在特徵提取之前,利用濾波、EMD、解調等預處理技術挖掘潛藏在動態信號中的故障信息;從原始振動信號和預處理信號中,分彆提取從不同側麵錶徵設備運行狀態的時域和頻域統計特徵,得到6箇特徵集.採用提齣的一種改進的距離評估技術選擇特徵,從6箇原始特徵集中相應地篩選齣6箇敏感特徵集.將6箇敏感特徵集輸入到基于GA組閤的多箇ANFIS分類器以得到最終的診斷結果.該模型在電力機車輪對軸承的故障診斷中實現瞭軸承不同故障類型、不同故障程度,以及複閤故障的可靠識彆,穫得瞭滿意的診斷結果.應用結果也驗證瞭基于改進的距離評估技術的特徵選擇方法的有效性.
위료해결궤계설비중조기고장화복합고장식별적난제,제고고장진단적준학솔,이용경험모식분해(Empirical mode decomposition,EMD)、개진적거리평고기술、자괄응신경모호추리계통(Adaptive neuro-fuzzy inference system, ANFIS)화유전산법(Genetic algorithm, GA)등기술,제출일충종합운용다정조역특정집화다개분류기적혼합지능진단모형.해모형재특정제취지전,이용려파、EMD、해조등예처리기술알굴잠장재동태신호중적고장신식;종원시진동신호화예처리신호중,분별제취종불동측면표정설비운행상태적시역화빈역통계특정,득도6개특정집.채용제출적일충개진적거리평고기술선택특정,종6개원시특정집중상응지사선출6개민감특정집.장6개민감특정집수입도기우GA조합적다개ANFIS분류기이득도최종적진단결과.해모형재전력궤차륜대축승적고장진단중실현료축승불동고장류형、불동고장정도,이급복합고장적가고식별,획득료만의적진단결과.응용결과야험증료기우개진적거리평고기술적특정선택방법적유효성.
